UnderstandLing/oasst1_tr

--- license: apache-2.0 dataset_info: features: - name: message_id dtype: string - name: parent_id dtype: string - name: user_id dtype: string - name: created_date dtype: string - name: text dtype: string - name: role dtype: string - name: lang dtype: string - name: review_count dtype: int64 - name: review_result dtype: bool - name: deleted dtype: bool - name: rank dtype: float64 - name: synthetic dtype: bool - name: model_name dtype: 'null' - name: detoxify struct: - name: identity_attack dtype: float64 - name: insult dtype: float64 - name: obscene dtype: float64 - name: severe_toxicity dtype: float64 - name: sexual_explicit dtype: float64 - name: threat dtype: float64 - name: toxicity dtype: float64 - name: message_tree_id dtype: string - name: tree_state dtype: string - name: emojis struct: - name: count sequence: int64 - name: name sequence: string - name: labels struct: - name: count sequence: int64 - name: name sequence: string - name: value sequence: float64 splits: - name: train num_bytes: 78783063 num_examples: 80917 - name: validation num_bytes: 3257047 num_examples: 3291 download_size: 26381260 dataset_size: 82040110 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* ---

原始信息汇总

数据集概述

数据集特征

• message_id: 字符串类型
• parent_id: 字符串类型
• user_id: 字符串类型
• created_date: 字符串类型
• text: 字符串类型
• role: 字符串类型
• lang: 字符串类型
• review_count: 整数类型
• review_result: 布尔类型
• deleted: 布尔类型
• rank: 浮点数类型
• synthetic: 布尔类型
• model_name: 空值类型
• detoxify: 结构体类型，包含以下子特征：
  • identity_attack: 浮点数类型
  • insult: 浮点数类型
  • obscene: 浮点数类型
  • severe_toxicity: 浮点数类型
  • sexual_explicit: 浮点数类型
  • threat: 浮点数类型
  • toxicity: 浮点数类型
• message_tree_id: 字符串类型
• tree_state: 字符串类型
• emojis: 结构体类型，包含以下子特征：
  • count: 整数序列类型
  • name: 字符串序列类型
• labels: 结构体类型，包含以下子特征：
  • count: 整数序列类型
  • name: 字符串序列类型
  • value: 浮点数序列类型

数据集划分

• train: 数据量80917条，占用空间78783063字节
• validation: 数据量3291条，占用空间3257047字节

数据集大小

• 下载大小: 26381260字节
• 数据集总大小: 82040110字节

配置信息

• config_name: default
• data_files:
  • train: 路径为data/train-*
  • validation: 路径为data/validation-*